生物信息学的定义

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇生物信息学的定义范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

生物信息学的定义范文第1篇

美国医学信息学学会（AMIA）主席Edward Shortliffe是这样定义医学信息学的概念：医学信息学（Medical Informatics）是一门新兴快速发展的交叉学科，以生物医学中的信息、数据和知识为研究对象，收集、存储、展现并检索里面的规律，以用于我们在卫生管理、临床诊疗和知识分析中做出决策和解决问题的科学。

时间在发展，医学信息学的定义也在发展。医学信息学的定义有广义和狭义之分，狭义的说法就是指临床信息学。就整个大的学科范畴来说，医学信息学涵盖临床信息学、生物信息学、图像信息学以及公共卫生信息学等几个领域。但在我国，由于医学信息学起步较晚，其概念仍处于模糊状态。

历史――国内医学信息学演变自医学情报学

医学信息学发展的标志可追溯到国际信息处理联合会（Internationl Federation for Information Processing，IFTP）在1967年成立的与卫生有关的技术委员会。经过不断发展，于1978年成立了国际医学信息学会（Internationl Medical Informatics Assciation，IMIA）。IMIA是国际医学信息学领域内的权威组织，为医学信息学学科建设、医疗行业信息化做出了贡献。

我国的医学信息学教育与医学图书馆学、情报学以及信息管理学密不可分，医学信息教育的起源和孕育是在20世纪60年代以后，那时多所医学院校根据医院和社会需求设置了医学图书馆专业的在职培训。到了80年代初，由于医学图书馆对专业人才的实际需求已经很大，在对前期医学图书馆类教育实践进行充分论证后，经卫生部批准，在原白求恩医科大学、同济医科大学、中国医科大学和湖南医科大学设置“医学图书馆情报专业”，四年制本科，毕业授予医学学位。

医学情报学发展到20世纪90年代，随着信息手段不断在各个行业中应用发展，一些医学高校便逐渐将图书馆学系更名为信息管理系，并开设了“医学信息学”方向的专业，当时也有些医院建立了单机的医疗管理系统。根据1993年7月16日原国家教委颁布的《普通高等学校本科专业目录》，医学图书情报学专业也进行了名称上的调整，专业名称由“医学情报学（医学、药学）”改为“信息学（医学、药学）”，拓宽了专业口径。这为我国医学信息学教育走上正规化与专业化打下了基础，其意义也是不言而喻的。

1998年7月，教育部重新颁布了《普通高等学校本科专业目录》，对原专业目录做出了新的调整，将若干相近专业进行了合并和重组，将原来“经济信息管理”、“信息学”、“科技信息”和“管理信息系统”等5个专业合并为“信息管理和信息系统”，隶属管理学门类。于是各医学高校在此基础上将“医药/卫生信息管理专业方向”设在信息管理和信息系统专业之下，重新调整了培养方案和课程设置。

到了2002年底，经教育部批准，中南大学将“信息管理和信息系统（医学方向）”专业更名为“医学信息学”专业，专业代码070408W。2003年秋开始首次以“医学信息学”专业对外招生，这标志着中国医学信息学专业的正式起步。与此同时，南通大学与南通医学院合并，开始正式招收“医学信息学”专业本科生，医学信息学教育在我国逐渐发展起来。

现状――医学信息学教育在我国的发展

专业调整以及培养方向多样化后，医学信息学教育已经成为国家医学教育和信息管理教育体系中的一部分。2000年以后，随着医药科学的发展以及随之而来的医改大潮，对医学信息学人才提出了更高更专业的要求，学科发展浪潮的强烈冲击已经开始了。

放眼国际，医学信息学的学科发展和培养方向逐渐达成了相对的共识。“在国内，虽然医学信息学这个名词相对还很新鲜，但我们的产业已经发展在前了，各个医院已经使用了多种信息系统。但在学术领域上来讲，还有很多人并不理解医学信息学到底是什么，还带有太多的医学情报学的烙印。”北京大学医学信息学中心常务副主任雷健波说。“现在，国际公认的医学信息学学科体系可分为如下几个相互关联的领域――生物信息学、图像信息学、临床信息学、公共卫生信息学。这其中到底有什么区别，是我们在以后的人才培养中必须要弄明确的。”

当然，医学信息学在国外发展了30年后，国内医学信息教育事业也并没有原地踏步。我们非常高兴地看到，在2000～2009年期间，经过教育部备案或批准设置面向医药卫生领域的信息管理与信息系统专业和医学信息学专业的高等院校已经从20世纪80年代的4所增加到当今的40多所，国内医学信息学教育格局发生了根本性的变化，开始了前所未有的新局面。

研究――符合我国国情的学科研究内容

新医改将医学信息学的发展提上了一个新的日程，中国医学科学院医学信息研究所所长代涛认为，我国医学信息学的研究领域体现在以下几个方面。

1. 医学知识表达

即通过收集医学相关知识，对其进行系统和正式的定义；保证人和计算机对医学知识的一致性理解。如医学知识组织体系，分类表、主题表、医学分类、医学本体、一体化语言系统等。医学知识组织体系的研究是我们开展医学信息学研究的基础。同时，还有医学数据编码与标准、医学信息检索、医学决策支持。

2. 卫生信息系统

在我国，利用卫生信息系统来改善卫生保健的质量，降低医疗成本，成为医疗卫生服务信息系统的一个主要内容，从而建立一个像美国一样的庞大的医疗体系。这个系统有医院信息系统、成像系统、电子病历、健康档案、区域卫生信息系统、远程医疗等。

3. 生物信息学

生物信息学（BioInformatics）是自人类基因组计划以来，人类与模式生物基因组的测试工作产生了大量数据，基于此情况而产生的，是研究、开发或应用计算机工具和方法来扩展对生物学、医学、行为科学和卫生数据的使用，包括获取、存储、组织、分析和可视化这些数据。

4. 医学信息学教育和培训

生物信息学的定义范文第2篇

【关键词】组合数学 教学方法 生物医学 生物信息学

【中图分类号】G64 【文献标识码】A 【文章编号】2095-3089（2015）09-0132-02

伴随着信息时代的来临，特别是生物医学科学研究的迅猛发展，尤其是生物信息学这门科学的出现使得原来的生物医学研究向低通量的临床数据转向高通量分子生物学数据。组合数学作为一门应用性较强的数学分支，在生物医学中的应用广泛，面对多因素高通量的生物医学问题，增加高等学校，特别是生物信息学专业学生的组合数学知识，培养他们运用组合数学方法分析和解决生物医药科学问题的能力已经成为必要。如何在教学过程中提高学生学习组合数学的兴趣，建立组合数学的逻辑思维用于解决医学问题是我们教育工作者需要思考的问题。

一、高等学校组合数学的特点及教学现状

组合数学是一门研究离散对象的科学，在计算机科学、信息科学中具有重要的地位，是理科及工科院校的一门必修课，随着现代生物医学的日益发展，组合数学的重要性也日渐凸显。组合数学对于生物医学专业基础课有着直接的衍射作用。目前，部分开设组合数学课程的生物高等学校的主要面向生物信息学、统计学等等专业开设，讲授学时30到60学时。在大部分生物高等学校并没有该类课程的设置，也是导致高等学校组合数学教师队伍的匮乏的主要原因。而且目前组合数学授课考核形式也比较单一。组合数学主要是以理论授课形式为主的教学方式，考试成绩是考核学生的唯一标准，忽视了学生在学习过程中的考核。信息时代学科的交叉发展体现在组合数学在各个学科中不可替代的作用，因此提高生物高等学校学生的组合数学学习兴趣，培养他们运用组合数学的能力是目前迫切需要解决的问题。

二、改进组合数学教学措施，提高学生兴趣

（一）更新教学内容，改进教学方法

目前的组合数学内容主要有： 鸽巢原理、排列与组合、容斥原理、递推关系、生成函数等基本的组合数学知识及其在数学中的应用。为了让学生在有限的学时内学完必要的知识，更新和精选教学内容显得尤为必要，将以组合数学内容为主导的教学模式改进成以生物医学问题为导向的教学模式。由于面向医学专业的特殊性，从内容上应着重选择与医学知识联系紧密的内容，采取精讲和略讲相结合的方式。根据不同专业背景更新组合数学的教学内容往往能够起到事半功倍的效果。以下是我们在讲解排列与组合一章时的一个教学实例：“生物遗传信息是由DNA分子中4个碱基核苷酸就像电报密码似的以不同的排列顺序记录下来，它载着人类的全部基因或全部遗传信息，人的DNA约有30亿（3×109） 碱基对，按照排列的思想可知人类基因组可能的排列方式有N=4■=（4■）■≈（1.52）■种，然而人类仅从这无穷多的方式中选了一种作为全人类共同的遗传密码，可见我们的基因组是祖先们留给人类的最宝贵的财富！”。这样的实例教学不仅可以让学生熟悉课堂知识，还能让学生对所学的知识进行综合的运用，更重要的与生物医学问题的结合提高了学生的学习兴趣。通过兴趣小组讨论学习提高学生自主学习的主动性，变被动学习为主动学习，充分调动学生学习组合数学的兴趣，从而充分发挥学生学习的主观能动性。

（二）加强多媒体辅助教学，提高学生学习兴趣

组合数学传统的授课方式是在黑板上将定义、定理的内容进行逐步严密的推导证明，这在一定程度上让学生紧跟授课教师的思维和建立学生的逻辑思考能力。然而随着多媒体技术的不断进步，利用多媒体和板书相结合的策略成为下一阶段组合数学教学模式的主要教学手段。对于繁琐的定理公式例如容斥原理避免推导证明，结合多媒体的几何图形使学生更加直观的理解和应用。以我们在教授容斥原理时的一个实例，容斥原理的根本思想是将难的问题分解成若干简单问题，通过间接计数来解决直接计数不容易解决的问题，我们用多媒体幻灯片分别展示两集合和三集合的容斥原理（图1A和B），并按照容斥原理的逻辑顺序利用多媒体动画技术控制每一部分的出现顺序，不仅避免了大量繁重枯燥的板书推导，最重要的是图形式教学可以帮助学生对容斥原理建立更直观的理解。可见在组合数学的教学过程多媒体的充分利用可以起到事半功倍的效果。

图1 多媒体在组合数学教学中的应用――容斥原理实例

（三）增设组合数学实验课，培养学生创新性思维

组合数学除了基本理论课之外还应该开设适当的实验课，在实验课上让学生自己动手解决一些与生物医学有关的实际问题。通过让学生自己编程实现排列组合的算法，不仅可以增进学生对排列与组合的深入认识，也能够培养学生利用排列组合思想解决实际问题的能力。以下是我们的一个实验教学实例：“任选一种排列生成算法，编程实现自动生成n个（如n=6）不同元素中取r个元素的排列，并输出指定任意n和r的所有排列。”，不仅让学生掌握了课堂上讲解的排列原理，还锻炼了编程能力，初步体验了科研的乐趣，由消极的被动学习升级为积极的主动学习。可见通过组合数学实验课更能培养学生自己动手自己学习的能力，进一步激发学生的创新性思维。

（四）精挑细选课后练习，培养学生独立解决问题的能力

组合数学作为一门应用性较强的数学课，需要学生掌握其在生物医学领域的应用，这就必须加强组合数学课堂后练习。因此习题是组合数学课程重要的教学环节，也是理论教学必不可少的补充。然而习题课并不意味着单纯地大量做题，教师应根据课堂内容，精挑细选出质量比较高的少量题目，供学生课余时间认真研究，要在习题中体现组合数学的知识点，激发学生独立给出解决问题的新观点和新方法。设置习题时，应以问题为导向，即给定一个实际的有兴趣的问题，让学生利用所学的组合数学理论进行解决，进一步加强学生对知识细节的理解和掌握，并让学生举一反三熟练掌握所学内容，使学生的理解更加深刻。如我们在教学过程中的一个课后习题实例：“一位国际象棋大师有11周的时间备战一场锦标赛，他决定每天至少下一盘棋，但是为了使自己不过分疲劳他还决定在每周不能下棋超过12盘。证明存在连续若干天，期间这位大师恰好下了21盘棋。”，该实例引起了学生在课余时间学习组合数学的一个热潮。

总之，面对高等学校生物信息学学生的专业特点，传统的单一的纯理论的组合数学教学方法已经不再适用。应该考虑改进教学内容和方法，发挥学生学习的主观能动性，使学生在快乐进取的氛围里学习组合数学，具体的教学内容和教学方法的改进仍有待教学工作者进一步探讨和研究。

参考文献：

[1]卢开澄，卢华明.组合数学[M].北京：清华大学出版社，2002.

[2]苏建忠，张岩，刘洪波，王芳，崔颖.组合数学在生物信息学教学中的应用[J]. 科技创新导报，2012，6，142-143.

作者简介：

刘洪波（1983-），男，汉族，山东德州人，博士，讲师，主要研究方向：生物信息学，计算表观遗传学。

王芳（1982-），女，汉族，吉林松原人，博士，副教授，主要研究方向：生物信息学，计算表观遗传学。

生物信息学的定义范文第3篇

关键词：数据挖掘 技术 应用

中图分类号：TP311 文献标识码：A 文章编号：1674-098X（2013）04（c）-0054-01

数据挖掘是在信息的海洋中从统计学的角度分析发现有用的知识，并且能够充分利用这些信息，发挥其巨大的作用，从而创造价值，为社会生产服务。数据挖掘工具能够扫描整个数据库，并且识别潜在的以往未知的模式。

1 数据挖掘

数据挖掘是与计算机科学相关，包括人工智能、数据库知识、机器学习、神经计算和统计分析等多学科领域和方法的交叉学科，是从大量信息中提取人们还不清楚的但具有对于潜在决策过程有用的信息和知识的过程[1]。数据挖掘能够自动对数据进行分析，并归纳总结，推理，分析数据，从而帮助决策者对信息预测和决策其作用[2]。

对比数据挖掘及传统数据分析（例如查询、报表），其本质区别在于：前者在没有明确假设的前提下通过挖掘信息，提取有用的资料，并提升到知识层面，从而帮助提供决策支持。所以数据挖掘又称为知识挖掘或者知识发现。数据挖掘通过统计学、数据库、可视化技术、机器学习和模式识别等诸多方法来实现丛大量数据中自动搜索隐藏在其中的有着特殊关联性的信息[3]。

2 数据挖掘技术

数据挖掘有许多挖掘分析工具，可以在大量数据中发现模型和数据间关系，常用数据挖掘技术包括：聚类分析和分类分析，偏差分析等。

分类分析和聚类分析的主要区别在于前者是已知要处理的数据对象的类，后者不清楚处理的数据对象的类。聚类是对记录分组，把相似的记录在一个聚集里，聚集不依赖于预先定义好的类，不需要训练集。分类分析是预先假定有给定的类，并假定数据库中的每个对象归属于这个类，并把数据分配到这个给定类中。通过分析训练集中的数据，准确描述每个类别，并进行建模、挖掘分类规则，并依据该分类规则，划分其他数据库中的数据类别。聚类分析是非监督学习，不依靠预先定义的类和带类标号的训练数据集，实体对象集合依照某种相似性度量原则，归纳为若干个类似实体对象组成的多个类或簇的过程，不同类中的数据尽可能存在差异，同类中的数据之间各个数据尽可能相似。

存在大量数据的数据库中，数据中存在着偏差，而在偏差中也包括了大量的知识。偏差分析是当数据库中存在异常行为，就显示出要采取预防措施；否则，正常的变化，则需要更新数据库中的记录[4]。

3 数据挖掘方法

要的数据挖掘方法包括决策树、遗传算法、人工神经网络、近邻算法和规则推导等。通过描述和可视化来对数据挖掘结果进行表示。

决策树是以实例为基础的归纳学习算法。着决策集的树形结构代表决策树，树型结构表示分类或决策集合。决策树是采用自顶向下的递归方式，树的非终端节点表示属性，叶节点表示所属的不同类别。

遗传算法是基于种群“多样性”和“优胜劣汰”原则等进化理论，模拟生物进化过程的全局优化方法，将群体中将较劣的初始解通过复制、交叉和变异3个基本算子优化求解的技术，在求解空间随机和定向搜索特征的多次迭代过程，直到求得问题的最优解[5]。

人工神经网络对人脑神经元进行模拟，依据其非线形预测模型，通过模式识别的方式展开，获取的知识需要存储在网络各单元之间的连接权中。人工神经网络能够完成分类和聚类等挖掘[5]。

关联规则是进行数据挖掘的重要的可悲发现的知识，对于两个或多个变量的取值之间存在某种规律性，并对其进行可信度的分析，挖掘其中的关联关系。这对于发现数据中存在的各种有用的信息，发现其数据模式和特征，然后发现目标行为具有重要意义。

4 数据挖掘的应用

在医学领域，科学家从异构和分布式基因数据发现的基因序列的识别、发现基因表达谱数据中的差异表达基因，疾病不同阶段的致病基因等，运用各种数据挖掘技术了解各种疾病之间的相互关系、发展规律，总结治疗效果这对疾病的诊断、治疗和医学研究都是很有价值的。在零售业/市场营销，通过对顾客购物篮的分析，把顾客经常同时买的商品放在一起，帮助如何摆放货架上的商品，挖掘购买商品的关联关系，规划如何相互搭配进货，促销产品组合等商业活动[6]。

数据挖掘在生物信息学中有着广泛的应用。生物信息学就是通过对生物学实验产生的海量数据，进行分类、处理、分析和存储，达到深入理解生命科学中基于分子水平的生物信息的生物学意义。如差异基因表达检测的基因芯片，就是具有高通量的特点，并同时能够产生许多生物学数据，在其中蕴含着丰富的生物学意义。分析和挖掘基因芯片数据，检测差异表达基因在不同环境条件的异常表达值，能够生层次的了解生物学知识，提高对生命科学研究的科学性和效率。对癌症差异基因的分析结果分析，能够更好的检测有关疾病，并根据相关疾病的基因特性，就能有针对性的进行个体化治疗，开发个体化的新药。

进入2013年，有许多媒体都在称之为“大数据元年”。大数据也就是拥有庞大的数据信息，事务数据量大规模增长，而且大数据是要处理大量的非规范化数据，数据挖掘和分析是必不可少的。爆炸性的大数据的产生，可能会改变人们的思考方式，也重塑了人类交流的方式[7]。

5 结语

数据挖掘技术能自动分析数据，广泛应用于各个企事业单位，分析调查大量数据，分析企业经营对社会，经济和环境的综合影响，并预测企业未来的发展趋势，从数据仓库中揭示出数据之间的潜在价值的规律性，形成知识发现，为决策管理提供依据。

参考文献

[1] 孟晓明.浅谈数据挖掘技术[J].计算机应用与软件，2004（8）.

[2] 丁样武，杨莹.数据挖掘在医学上的应川[J].郧阳医学院学报，1999（3）：130-132.

[3] 黄晓霞，萧蕴诗.数据挖掘集成技术研究[J].计算机应用研究，2003（4）：37.39.

[4] 王阳，张春华.数据挖掘技术、应用及发展趋势[J].信息化与网络建设，2003（4）.

[5] 任承业.校园信息系统中数据挖掘的研究与应用[D].广州：暨南大学，2005.

生物信息学的定义范文第4篇

综合基础知识讲授，增强教学内容的交互性。药物大数据的概念的提出以及相关研究的开展，给现代药物化学教学内容改革提出了新的机遇和挑战。将创新意识、药物大数据的概念融入基础知识教学中，以加深学生对基础知识的理解。每一类型药物的讲授，应以重点药物、经典药物为例，同时将该药物在最新的数据库中进行搜索，进而引出目前该药物的研究前沿。作者在讲授药物结构、命名、合成方法、理化性质、代谢形式等基础知识的同时，着重引导学生思考研究者在药物研发过程中的设计思路、考虑问题的出发点和归属，将该类型药物的发现、发展和衍生化，药物的作用靶点信息，现阶段临床用药、类似药物的研究进展、最新理论和技术等信息进行有机整合，从而将药物设计方法整合入知识点的介绍中。比如在讲解循环系统药物受体阻滞剂的时候，介绍从药物结构数据库PDB数据库中下载和展示受体的三维结构的方法；在讲授抗癫痫药物苯妥英钠时，介绍药物数据库Drugbank中查找相关药物性质的方法，介绍磷苯妥英作为水溶性磷酸酯前药的一个成功实例进行讲授。这样使得前药、药物信息等内容有机、生动的展现出来，也将药物综合知识、药物大数据概念和内容落实到了具体的药物教学中。挖掘药物研发信息，使得教学内容具体生动。从药物大数据中出发，挖掘以药物发明史、药学新前沿、药物化学家创造的社会价值、药物化学研究的趣事等相关信息，激发药化学习兴趣。比如在青霉素的教学过程中，通过穿插亚历山大•弗莱明青霉素的发现过程，教育学生严谨的科研态度和细致的科研观察的重要性；在讲授抗肿瘤药物时，也介绍最新的抗癌药物临床研究，介绍密西根大学王少萌教授基于结构设计策略成功获得强效的、口服的MDM2小分子抑制剂，进而实现成果转让约3.6亿美金的成功案例；在糖尿病药物教学中，列举了最新批准的药物，最近一年的糖尿病畅销药物排行，各药物相关的靶点信息，创造的社会价值，带给学生药学新近动态信息。通过生动的药物发明故事，最新的药学动态数据，让药物化学教学课堂更为生动化、具体化、人性化，从而充分激发学生的兴趣、更加深入掌握药物化学知识。结合科学前沿讲解案例，赋予教学内容创新理念。从大数据中寻找药物研发的历程，将药物的科学研究过程以及最新的进展融于教学中，不断保持教学内容的先进性。在药物化学课程安排中，作者采用了案例教学的方法，安装主要疾病靶标类型，选取药物研发的成功实例，分析药物研发过程，进行案例教学，不仅包括目前临床使用的经典药物，近年来研发的热门药物、靶点，也涉及老药新用、多靶点药物、系统生物学等方面的内容，进行一课一例的专题讲解。以反应停（沙利度胺）药物的讲解为例，一是讲解孕妇使用反应停后抑制了孕吐反应的同时也产生了海豹胎儿的药物历史上的灾难的经典案例，使学生认识到了手性在药物研发中的重要性；二是突出强调沙利度胺在1998年又被投放到市场，作为多发性骨髓瘤、麻风结节性红斑等病症的治疗，以及2013年FDA还批准了沙利度胺的类似物上市用于多发性骨髓瘤的治疗，是学生了解药物是可以改造、可以优化，甚至可以重新定义适应证、重新回到市场的。三是介绍关于沙利度胺的最新研究成果，包括2014年Nauture上发表了确证沙利度胺的作用靶点为CRBN的研究论著，让学生进一步了解该药物研究最新进展。类似的案例教学是将科学实践来验证课本中的理论，在教学中融入药物化学领域的新信息、新思想和新技术，培养学生的创新意识和创新能力。

2教学方法和手段的改革

充分使用各种药物大数据资源，将药物化学研究的相关数据库应用到药物化学的教学中，其中包括scifind-er、chembl、drugbank等。SciFinder数据库可以透过网络直接查看《化学文摘》自1907年以来的所有期刊文献和专利摘要，以及八千多万的化学物质记录和CAS注册号。Chembl数据库是欧洲生物信息研究所（EBI）开发的免费在线数据库，从大量文献中收集各种靶点及化合物的生物活性数据，为研究者提供了一个非常便利的查询靶点或化合物的生物活性数据的平台。Drugbank数据库中包含了现在上市的或者正在做临床研究的药物的药代、药效、靶点等相关信息。通过该数据库，学生可以快速了解药物的合成方法、适应证、作用靶点等信息，同时学生也可以通过查阅相关数据库了解类似结构骨架的化合物在药物研发中的研究发展历史和最新的研究前沿。在具体的教学实践中，作者安排了1次讨论糖尿病药物的课程，将学生分成两组，分别在数据库中查找葡萄糖苷酶抑制剂和DPPIV抑制剂的临床应用情况、化合物的合成方法、目前的研究前沿。以项目讨论的方式，分别介绍了这2类药物的情况，充分调动学生的学习积极性，取得了良好的效果。充分利用各种教学科研软件，将现代化教学方法手段应用到药物化学教学中。从2009年开始，笔者所在的教研室编制标准化幻灯片（PPT）课件，并根据每年的科学前沿，更新PPT的内容。此外，作者也在尝试使用其他软件来表现药物化学教学中设计的药物、蛋白结构，包括Chem3D、PyMol等软件。其中，Chemoffice中的Chem3D是一款三维立体分子结构的演示软件。Chemdraw可以从二维的角度观察药物逐步的优化过程，展示药物合成的方法，而Chem3D能够更加直观地从立体上来考察和展示药物功能团变化给立体构型上带来的改变。PyMol是一款显示和分析分子三维结构的软件，应用PyMol软件可以图形化地表达分子动态过程，不仅可以用球棍、飘带等多种方式显示分子三维结构，也可以对蛋白质三维结构进行编辑、修改、显示，更为重要的是还能够清晰的展示显示药物与受体的结合原理，并能够以三维图形的方式展示分子相互作用的动态过程，使得原本抽象的教学内容直观而又形象地呈现出来。在课程的各个章节的PPT课件中均使用PyMol软件制作蛋白、小分子的三维结构图。通过各种软件的辅助，负责的药物结构、特殊的构效关系，许多语言难以描述的内容，变得形象生动，降低学习难度，突破教学难点，使学生对药物结构有更直观形象立体的了解，加深学生对知识点的理解和掌握。随着大数据产生，云计算的概念和运用越来越广泛，将云计算的教学平台用于现代化的教学中，能够有效的整合利用计算资源，降低了基础资源建设中巨大的软、硬件成本。同时，云计算教学平台能够加速药物设计相关知识更新速度，追踪科学前沿，实现个性化教学的实际需求，将理论知识和科研实践有机地结合起来，能极大地提高学习效率。作者所在的教研室，搭建了药物化学云计算网络课程，学生在登陆云计算服务器后，不仅能够通过网络复习上课课件，也能够通过网络进行课后练习并进行在线作业提交、提问。教师能够通过云计算网络回答学生问题、了解学生学习情况。除了云计算平台之外，云服务辅助教学平台对于信息化教学尤为重要。云服务辅助教学的理念使得课后辅导工具变得多样化，通过时下流行的交流工具如QQ、微信，不但可以保证教师和学生之间的畅通交流，也可以促使学生间的交流。教师可以通过截图、群发辅助学习资料等方式，共享学习材料和经验，提高学生学习效率。同时，教师也可以通过学员的QQ、微信发言提问情况全方位的掌握学生的学习状况。此外，作者也将药物设计相关的最新文献通过群共享的方式分享给学生，同时也加上自己的对文章的创新点的点评意见，培养学生的追踪科学前沿的习惯和科研创新的能力。

3合理的课程体系

生物信息学的定义范文第5篇

关键词：MATLAB软件；医学信息；科学计算

随着医学科学的不断发展，数学在医学发展中所扮演的角色正逐渐变得更加重要。①医学检测技术和诊断技术如医学图像、电生理信号等通过数字化技术转化为海量数据信息；②大量的病例信息的回顾分析和流行病学调查也获得了大量与疾病密切相关的数据，造成了海量的医学数据的产生和积累。医学数据的分析和进一步应用必须采用更多的数学方法和计算机辅助，因此在医科大学学生中，必须更加重视数学的教学工作，在已经广泛开展了高等数学等课程的教学工作，提高教学效率，以使学生学习到必须的数学能力并培养数学素养。在医科大学中，如何进行高效的高等数学教育，仍然是一项重要的内容。科学计算软件能够比较简单的处理数学计算，并进行更加形象化的展示，为医科大学的高等数学教学提供了有益的工具。本文即以MATLAB软件为例，说明科学计算软件在医科高等院校教学与学些中的应用。

1科学计算软件在微积分教学中的应用

MATLAB符号数学工具箱是本节中大部分运算的基础，此工具箱的计算引擎基于Maple核心，提供了针对微积分、方程求解等复杂数学问题的计算和绘图工具[1-4]。MATLAB中常用的微积分命令，见表1。

此外，MATLAB还提供了大量描点绘图和函数绘图的命令，如描点绘图命令plot，三维描点绘图命令plot3，三维曲面描点绘图命令mesh和surf以及相应的函数绘图命令ezplot，ezplot3，ezmesh，ezsurf等。

通过使用这些命令，能够方便快捷的解决高等数学教学大部分的微积分问题并进行图形展示。这样就为教师的教学工作提供了极大的方便，同时也为学生的学习提供了新的辅助工具。通过引入科学计算软件，可为弥补医学学生由于缺乏计算训练而带来的计算能力上的不足，从而将教学精力转移到引入更多的数学问题和数学思想中来。

2科学计算软件在线性代数教学中的应用

MATLAB软件本身的名称即来自于矩阵实验室英文名称（Matrix Laboratory）的缩写，其在线性代数概念展示和计算方面具有很大的能力。在MATLAB环境中通过命令窗口键入或数据文件导入的方式，能够很方便的定义矩阵。利用软件的工作空间面板和数据编辑器，则可以较为直观的现实矩阵及其行、列数目等信息。另一方面，MATLAB还提供了大量的计算方法，可以非常方便对矩阵进行行列式，逆矩阵，转置，加法，乘法和乘方等运算，见表2。

3科学计算软件在概率论与数理统计学习中的应用

统计学是医学科研和海量数据分析的基础，通过科学计算软件的辅助，能够方便的进行数据展示，统计计算和结果分析。MATLAB及其统计工具箱中包括常用的概率分布和密度函数，参数估计和假设检验方法，可以方便的计算均值、方差、分位数等统计量，按照分布律模拟随机背景分布，绘制统计图形等，见表3。

4科学计算软件在数值计算方面的应用

函数M文件为MATLAB提供了强大的扩展性，用户可以根据自身的需求定义函数，并且能够简单的在MATLAB中实现。MATLAB提供了多种选择控制和循环控制的方法，使得MATLAB本身不仅是一种计算软件也是一种程序设计语言，与C，JAVA等主流程序语言相比，MATLAB具有语法简单，功能强大的特点，特别是能够与MATLAB内置函数和其他已存在的MATLAB函数简单结合，因此具有了极强的扩展性，可以方便的整合算法并与精确算法进行比较，是数值计算方法教学的理想工具。正因为这些优点，MATLAB已经在一些数值计算教材中被选为程序设计语言[5]。

5科学计算软件在医学信息学方面的应用

MATLAB软件提供了生物信息学工具箱，其中包括对序列数据、基因芯片表达数据等多种生物信息的常用分析方法和图形展示方法，同时通过网络工具可以方便的获取公共数据库信息，并且结合统计等工具箱，对生物信息进行处理。

MATLAB软件可以方便的将数字化的医学图像和其他医学信号导入到计算环境中来，从而给医学图像和医学信号处理的教学提供了极大的便利。通过应用MATLAB中内置的信号处理工具箱和程序设计，处理医学信号和图像，是对高等数学学习成果的重要应用，在处理医学问题的同时，巩固了数学知识，并能提高对高等数学的学习兴趣。

6总结与讨论

本文以MATLAB软件为例，介绍了科学计算软件在医科大学高等数学教学中的一些应用方法。近几年来，在首都医科大学开展的高等数学、计算机数值分析、线性代数与概率论等必修，选修课程的教学中，科学计算软件知识被结合在理论课程的教学过程当中，并且在促进学生理解数学概念，提高学习兴趣方面发挥了一定作用。但同时，我们也注意到，科学计算软件的引入也对教学目标，教学内容，教学重点和考核方法都产生了新的要求，需要教师在进一步的教学实践工作中对教学各个环节做出相应的调整。如何应对科学计算软件带来的机遇与挑战，是教学工作中更加重要的课题。

参考文献：

[1]李林，等.医用高等数学新概念教程[M].北京：中国铁道出版社，2010.

[2]王军威.基于计算机数学语言M atlab的高等数学教学[J].数学学习与研究，2010，19（13）：20.

[3]张建国，等.Matlab 软件在高等数学教学中的应用[J].考试周刊，2012，（32）：50-51.

[4]刘保柱，等.MATLAB7.0从入门到精通[M].2版.北京：人民邮电出版社，2010.